Reinforcement Learning Engineer

Was macht ein Reinforcement Learning Engineer?

Du arbeitest an Systemen, die nicht aus einem festen Datensatz lernen, sondern aus den Folgen ihres eigenen Handelns. Es gibt keine Sammlung richtiger Antworten, an der ein Modell sich ausrichtet. Stattdessen handelt ein Agent, bekommt eine Rückmeldung – gut, schlecht, wie stark – und passt sein Verhalten an. Das verändert die Arbeit grundlegend: Du kuratierst keine Daten, du baust die Welt, in der die Daten entstehen.

Deshalb ist die Simulationsumgebung ein Kernstück der Rolle. In der Wirklichkeit zu lernen, wäre in den meisten Fällen zu langsam, zu teuer oder zu gefährlich; ein Roboterarm, der Millionen Versuche braucht, ist vorher kaputt. Also baust oder pflegst du eine Umgebung, in der derselbe Versuch tausendfach laufen kann. Und dann kommt die Frage, die den Unterschied macht: Wofür genau gibt es Belohnung?

Eine schlecht gewählte Belohnung ist das eigentliche Problem dieser Rolle, nicht das Lernverfahren. Der Agent optimiert exakt das, was du misst, und nicht das, was du meinst. Wer einen Sortieragenten für erledigte Aufträge belohnt, bekommt möglicherweise einen, der schwierige Aufträge liegen lässt. Wer glatte Bewegung belohnt, bekommt eventuell einen Roboter, der sich gar nicht bewegt. Dieses Verhalten ist kein Fehler im Code – es ist eine korrekte Lösung deiner falsch gestellten Aufgabe. Ein grosser Teil der Arbeitszeit geht darauf, solche Fehlanreize zu finden und die Belohnung nachzuschärfen.

Eingesetzt wird das Verfahren in der Robotik und Bewegungsplanung, in der Steuerung technischer Anlagen, in der Logistik- und Routenoptimierung – und seit einigen Jahren auffällig sichtbar beim Nachtrainieren von Sprachmodellen, wo menschliche oder maschinelle Bewertungen die Rückmeldung liefern.

Ehrlich dazu gehört: Diese Rolle wird deutlich seltener ausgeschrieben als etwa Machine Learning Engineer oder Data Scientist. Häufig steckt sie in einer breiter benannten Stelle oder in einer Forschungsabteilung. Wer gezielt darauf zusteuert, sollte den zweiten Standbein-Bereich mitnehmen: Robotik, Regelungstechnik oder allgemeines maschinelles Lernen.

Was du im Praktikum machst

Selten ein eigenes Verfahren von Grund auf. Üblicher sind eine abgegrenzte Umgebung, ein bekanntes Lernverfahren und die Frage, ob sich damit ein konkretes Problem lösen lässt.

Viel Zeit geht in die Umgebung selbst: Zustände definieren, Handlungen abgrenzen, Abbruchbedingungen festlegen, Zufall reproduzierbar machen. Danach folgt eine lange Reihe von Trainingsläufen, von denen die meisten nichts Brauchbares ergeben. Ein üblicher Praktikumsbeitrag ist deshalb Werkzeug: eine Auswertung, die zeigt, woran ein Lauf gescheitert ist, oder eine Aufzeichnung des Verhaltens, die man ansehen kann statt nur zu messen.

Was du mitbringen solltest

Solide Programmierung in Python, Erfahrung mit einem Deep-Learning-Rahmenwerk und ein tragfähiges Verständnis von Wahrscheinlichkeitsrechnung und Optimierung. Regelungstechnik oder Robotik im Hintergrund sind ein grosser Vorteil.

Vor allem aber brauchst du Geduld mit Ergebnissen, die nicht kommen. Lernverfahren dieser Art reagieren empfindlich auf Einstellungen und Zufallswerte; zwei identisch gemeinte Läufe können unterschiedlich ausgehen. Wer daraus keine falschen Schlüsse zieht, sondern systematisch weitersucht, ist hier richtig.

Was du verdienst

Praktika liegen bei rund 1.750 Euro brutto im Monat. Der Einstieg bewegt sich um 5.200 Euro, mit zwei bis drei Jahren Erfahrung zwischen 5.700 und 7.500 Euro. Diese Werte sind Erfahrungswerte; wegen der geringen Zahl an Stellen streuen sie stärker als in breiteren Rollen.

Wie es weitergeht

Ein Weg führt in die Robotik, wo das Verfahren auf echte Hardware trifft. Ein zweiter führt zum Applied Scientist, wenn die Methodik im Vordergrund bleiben soll. Der dritte ist der pragmatische: das Wissen in eine allgemeinere Rolle im maschinellen Lernen mitnehmen und dort einsetzen, wo Rückmeldung statt fester Daten die Grundlage ist.